CN114648870A - 边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质 - Google Patents

边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质 Download PDF

Info

Publication number
CN114648870A
CN114648870A CN202210131287.6A CN202210131287A CN114648870A CN 114648870 A CN114648870 A CN 114648870A CN 202210131287 A CN202210131287 A CN 202210131287A CN 114648870 A CN114648870 A CN 114648870A
Authority
CN
China
Prior art keywords
calculation
automatic driving
data information
edge
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210131287.6A
Other languages
English (en)
Other versions
CN114648870B (zh
Inventor
李海宁
吴立新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inwinic Technologies Shenzhen Co ltd
Original Assignee
Inwinic Technologies Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inwinic Technologies Shenzhen Co ltd filed Critical Inwinic Technologies Shenzhen Co ltd
Priority to CN202210131287.6A priority Critical patent/CN114648870B/zh
Publication of CN114648870A publication Critical patent/CN114648870A/zh
Application granted granted Critical
Publication of CN114648870B publication Critical patent/CN114648870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质。所述边缘计算系统包括传感模块，并接收多个自动驾驶车辆传输的计算数据信息；边缘计算模块，所述边缘计算模块用于接收所述传感模块的多个计算数据信息，并进行计算，并输出多个自动驾驶决策控制信号至对应的自动驾驶车辆；网络模块，用于连接边缘计算模块、传感模块以及传感模块覆盖范围内的自动驾驶车辆，以使所述边缘计算模块与所述自动驾驶车辆交互通信。可实现多线程服务的方式，利用网络模块的5Gwifi局域网全覆盖，实时调度控制多台自动驾驶车辆，降低单台自动驾驶车辆的主控计算单元的性能配置，降低单台车的算力功耗，提升自动驾驶车辆的使用时长。

Description

边缘计算系统、边缘计算决策预测方法以及计算机可读存储 介质
技术领域
本发明涉及自动驾驶技术领域，尤其涉及边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质。
背景技术
随着智能网联汽车产业的发展，越来越多的传感器、通信设备、计算单元被应用到智能车上，据统计，一辆智能网联汽车每天至少收集处理10TB的数据，这对车辆的网络负载、存储、计算等多方面带来了巨大挑战，高功耗的计算运行严重制约了新能源汽车续航里程的提升，因此，基于边缘计算体系架构的智能驾驶方案成为解决未来智能汽车高功耗、高成本的方案之一。边缘计算的核心思想是为应用在网络边缘侧提供计算、存储和网络等资源，是一种新的计算架构。边缘计算架构可以满足用户对延迟敏感应用的需求和减少核心网络计算的负载压力。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质，旨在解决解决未来智能汽车高功耗、高成本的技术问题。
本发明借鉴边缘计算体系架构思想，通过将自动驾驶系统部署于边缘计算单元工控机中，通过5G等现代通信方式，与车辆控制单元进行信息交互，减少车辆端环境感知和控制决策的高网络负载计算，从而降低车辆计算功耗，从而达到远程控车辆智能驾驶目的。
为实现上述目的，本发明提供一种边缘计算系统，所述边缘计算系统包括：
传感模块，用于获取覆盖范围内自动驾驶车辆的定位、环境信息及规划信息，并接收多个自动驾驶车辆传输的计算数据信息；
边缘计算模块，所述边缘计算模块用于接收所述传感模块的多个计算数据信息，并进行计算，并输出多个自动驾驶决策控制信号至对应的自动驾驶车辆；
网络模块，用于连接边缘计算模块、传感模块以及传感模块覆盖范围内的自动驾驶车辆，以使所述边缘计算模块与所述自动驾驶车辆交互通信。
优选地，所述传感模块包括：
线程传感传感器输入单元，所述线程传感器输入单元与所述边缘计算模块通信连接，以接收覆盖范围内自动驾驶车辆的多个计算数据信息；
其中，每个所述计算信息包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
优选地，所述线程传感传感器输入单元包括：
数据滤波单元，所述数据滤波单元用于分析、过滤每个所述计算数据信息中各信号的杂波，并输出过滤后的计算数据信息；
信号排序单元，所述信号排序单元与所述数据滤波单元通信连接，所述信号排序单元接收过滤后的所述计算数据信息，并对所述计算数据信息中各信号按照时间顺序进行排列，并输出排列后的计算数据信息；
数据融合单元，所述数据融合单元与所述信号排序单元通信连接，所述数据融合单元接收排列后的所述计算数据信息，并对所述计算数据信息中各信号进行二次过滤，并进行融合打包，输出至所述边缘计算模块。
优选地，所述线程传感传感器输入单元为多线程传感传感器输入单元，以同步接收多个自动驾驶车辆传输的计算数据信息。
优选地，所述边缘计算模块包括：
自动驾驶系统，所述自动驾驶系统与所述传感模块通信连接，所述自动驾驶系统用于接收每台所述自动驾驶车辆的计算数据信息；
公共算力单元，所述公共算力单元接收所述自动驾驶系统输出的计算数据信息，并对所述计算数据信息进行计算，并输出自动驾驶决策控制信号至所述自动驾驶系统，所述自动驾驶系统将所述自动驾驶决策控制信号输出至对应的自动驾驶车辆。
优选地，所述公共算力单元包括：
算力ID注册单元，所述算力ID注册单元与所述自动驾驶系统通信连接，并接收所述计算数据信息，所述算力ID注册单元用于识别所述计算数据信息对应的自动驾驶车辆的ID；
算力ID计时单元，所述算力ID计时单元用于根据所述计算数据信息计算时长，并分别分配公用算力时长；
计算单元，用于根据所述算力ID计时单元分配公用算力时长完成所述计算数据信息的计算，并输出所述自动驾驶决策控制信号输出至对应的自动驾驶车辆。
优选地，所述公共算力单元还包括：
算力ID时间轮询单元，所述算力ID时间轮询单元用于根据所述算力ID计时单元分配公用算力时长将根据算力资源平分至多个所述计算数据信息对应的自动驾驶车辆。
优选地，所述边缘计算系统还包括：
存储模块，所述存储模块用于存储所述计算数据信息以及所述
将所述计算数据信息进行存储，所述计算数据信息包括传感设备采集到的信息和所述自动驾驶决策控制信号。
此外，为实现上述目的，本发明提供一种边缘计算决策预测方法，应用于上述所述边缘计算系统，所述边缘计算决策预测方法包括：
获取多个自动驾驶车辆传输的计算数据信息；
对每个所述计算数据信息进行过滤并融合，以去除所述计算数据信息中多余的信号杂波；
根据过滤并融合后的所述计算数据信息计算公用算力时长，并根据所述公用算力时长分配算力资源；
根据分配到的算力资源，对所述计算数据信息继续计算，并获得自动驾驶决策控制信号，输出至对应的所述自动驾驶车辆；
其中，每个所述计算信息包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
此外，为实现上述目的，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有边缘计算决策预测方法处理程序，所述边缘计算决策预测方法程序被处理器执行时实现如上述所述的边缘计算决策预测方法的步骤。
本发明实施例提出的一种边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质，边缘计算系统主要应用于自动驾驶系统，用于自动驾驶教学，当然，也可用于提高智能驾驶系统算力，解决当前智能驾驶系统多为高算力，高功耗设备，解决新能源汽车或者学校教学车辆续航能力、可坚持一天授课课时能力影响较大的问题。鉴于此，在校园自动驾驶批量化教中，一班30人的教学，人手一台自动驾驶车辆，单台车均配置较高的算力平台，对于教学成本过高，因此，本发明边缘计算系统通过一台高算力计算平台，通过设置公共算力平台，即边缘计算模块，该边缘计算模块可为云端计算平台，具体的，在网络模块、传感模块的覆盖范围内(盖覆范围可以是整个学校，或者是教学场地面积)，每辆自动驾驶车辆的定位、环境信息及规划信息均可以通过网络进行传输至传感模块，每辆车辆均可以将需要进行策略计算的计算数据信息传输至传感模块上，可以理解的是，计算数据信息可以单个传输至传感模块，也可以多个计算数据信息同时传输至传感模块，传感模块将至少一个计算数据信息传至边缘计算单元进行计算，最终根据每个计算数据信息形成对应的自动驾驶决策控制信号，并传输至对应的自动驾驶车辆，减少自动驾驶车辆的计算量，使得每台自动驾驶车辆无需安装具备高算力性能的配置，降低教学成本。
因此，本实施例发明的边缘计算系统，可实现多线程服务的方式(也即接收至少一个计算数据信息，利用网络模块的5Gwifi局域网全覆盖，实时调度控制多台自动驾驶车辆，降低单台自动驾驶车辆的主控计算单元的性能配置，降低单台车的算力功耗，提升自动驾驶车辆的使用时长。
附图说明
图1是本发明边缘计算系统第一实施例的模块示意图；
图2是本发明边缘计算系统第二实施例的模块示意图；
图3是本发明边缘计算系统第三实施例的模块示意图；
图4是本发明边缘计算系统第四实施例的模块示意图；
图5是本发明边缘计算系统第五实施例的模块示意图；
图6是本发明边缘计算系统第六实施例的模块示意图；
图7是本发明实施例方案涉及的边缘计算决策预测装置的结构示意图；
图8为本发明边缘计算决策预测方法的流程示意图。
附图标号说明：
Figure BDA0003502324540000051
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：
所述边缘计算系统100包括：
传感模块10，用于获取覆盖范围内自动驾驶车辆的定位、环境信息及规划信息，并接收多个自动驾驶车辆传输的计算数据信息；
边缘计算模块20，所述边缘计算模块20用于接收所述传感模块10的多个计算数据信息，并进行计算，并输出多个自动驾驶决策控制信号至对应的自动驾驶车辆；
网络模块30，用于连接边缘计算模块20、传感模块10以及传感模块10覆盖范围内的自动驾驶车辆，以使所述边缘计算模块20与所述自动驾驶车辆交互通信。
由于现有技术中，随着智能网联汽车产业的发展，越来越多的传感器、通信设备、计算单元223被应用到智能车上，据统计，一辆智能网联汽车每天至少收集处理10TB的数据，这对车辆的网络负载、存储、计算等多方面带来了巨大挑战，高功耗的计算运行严重制约了新能源汽车续航里程的提升，因此，基于边缘计算体系架构的智能驾驶方案成为解决未来智能汽车高功耗、高成本的方案之一。边缘计算的核心思想是为应用在网络边缘侧提供计算、存储和网络等资源，是一种新的计算架构。边缘计算架构可以满足用户对延迟敏感应用的需求和减少核心网络计算的负载压力。
本发明提供一种解决方案，将自动驾驶系统21部署于边缘计算单元223工控机中，通过5G等现代通信方式，与车辆控制单元进行信息交互，减少车辆端环境感知和控制决策的高网络负载计算，从而降低车辆计算功耗，从而达到远程控车辆智能驾驶目的。
如图1所示，本发明提供一种边缘计算系统100，所述边缘计算系统100包括：传感模块10，用于获取覆盖范围内自动驾驶车辆的定位、环境信息及规划信息，并接收多个自动驾驶车辆传输的计算数据信息；边缘计算模块20，所述边缘计算模块20用于接收所述传感模块10的多个计算数据信息，并进行计算，并输出多个自动驾驶决策控制信号至对应的自动驾驶车辆；网络模块30，用于连接边缘计算模块20、传感模块10以及传感模块10覆盖范围内的自动驾驶车辆，以使所述边缘计算模块20与所述自动驾驶车辆交互通信。
本实施例中，边缘计算系统100主要应用于自动驾驶系统21，用于自动驾驶教学，当然，也可用于提高智能驾驶系统算力，解决当前智能驾驶系统多为高算力，高功耗设备，解决新能源汽车或者学校教学车辆续航能力、可坚持一天授课课时能力影响较大的问题。
为了便于描述本发明实施例，以校园自动驾驶批量化教学为例子进行讲述实施例。
在校园自动驾驶批量化教中，一班30人的教学，人手一台自动驾驶车辆，单台车均配置较高的算力平台，对于教学成本过高，因此，本发明边缘计算系统100通过一台高算力计算平台，通过设置公共算力平台，即边缘计算模块20，该边缘计算模块20可为云端计算平台，具体的，在网络模块30、传感模块10的覆盖范围内(盖覆范围可以是整个学校，或者是教学场地面积)，每辆自动驾驶车辆的定位、环境信息及规划信息均可以通过网络进行传输至传感模块10，每辆车辆均可以将需要进行策略计算的计算数据信息传输至传感模块10上，可以理解的是，计算数据信息可以单个传输至传感模块10，也可以多个计算数据信息同时传输至传感模块10，传感模块10将至少一个计算数据信息传至边缘计算单元223进行计算，最终根据每个计算数据信息形成对应的自动驾驶决策控制信号，并传输至对应的自动驾驶车辆，减少自动驾驶车辆的计算量，使得每台自动驾驶车辆无需安装具备高算力性能的配置，降低教学成本。
因此，本实施例发明的边缘计算系统100，可实现多线程服务的方式，也即接收至少一个计算数据信息，利用网络模块30的5Gwifi局域网全覆盖，实时调度控制多台自动驾驶车辆，降低单台自动驾驶车辆的主控计算单元223的性能配置，降低单台车的算力功耗，提升自动驾驶车辆的使用时长。
进一步地，所述传感模块10包括：
线程传感传感器输入单元11，所述线程传感器输入单元与所述边缘计算模块20通信连接，以接收覆盖范围内自动驾驶车辆的多个计算数据信息；
其中，每个所述计算信息包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
如图2所示，本实施例中，传感模块10主要用于获取覆盖范围内自动驾驶车辆的定位、环境信息及规划信息，并接收多个自动驾驶车辆传输的计算数据信息，因此，传感模块10需要接收至少一个计算数据信息，通过传感模块10内部的线程传感传感器输入单元11，可接收多台自动驾驶车辆发送的计算数据信息。
可以理解的是，线程传感传感器输入单元11可以是单线程传感传感器输入单元，或者可以是多线程传感传感器输入单元，在此不做具体限定。
计算数据信息中，包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
具体的，双目视觉信号主要由自动驾驶车辆的视觉传感器产生，包括单目、双目数据，可通过USB输入至自动驾驶车辆的内部系统；而激光雷达信号主要由自动驾驶车辆的激光雷达检测产生，并通过以太网输入激光雷达点云数据；超声波雷达信号，则可通过USB接口输入至超声波雷达距离信号数据，上述数据形成计算数据信息。
可以理解的是，雷达信号还可包括毫米波雷达信号，该毫米波雷达信号可通过CAN接口输入毫米波雷达点云数据。
进一步地，所述线程传感传感器输入单元11包括：
数据滤波单元111，所述数据滤波单元111用于分析、过滤每个所述计算数据信息中各信号的杂波，并输出过滤后的计算数据信息；
信号排序单元112，所述信号排序单元112与所述数据滤波单元111通信连接，所述信号排序单元112接收过滤后的所述计算数据信息，并对所述计算数据信息中各信号按照时间顺序进行排列，并输出排列后的计算数据信息；
数据融合单元113，所述数据融合单元113与所述信号排序单元112通信连接，所述数据融合单元113接收排列后的所述计算数据信息，并对所述计算数据信息中各信号进行二次过滤，并进行融合打包，输出至所述边缘计算模块20。
如图3所示，本实施例中，由于接收到的计算数据信息存在过多的杂波，为了有效提高计算数据信息的计算精度，需要对计算数据信息进行过滤。其中，数据滤波单元111将接收到的计算数据信息进行分析，分析计算数据信息中，各个传感器信号的杂波部分，通过算法过滤掉不需要的数据信号，并传输至信号排序单元112中，信号排序单元112将上述计算数据信息中各传感器信号按照时间顺序，通过算法将其排序，实现可通过时间戳索引，找到对应传感器数据的效果，最终将经过排序的计算数据信息传输至数据融合单元113中，由于计算数据信息中各传感器的通信速率不一样，导致同一时刻，不能保证所有传感器信号都有，因此，需要将经过排序的计算数据信息继续设计融合，也即二次过滤，过滤掉有信号种类缺陷的数据，并将标定数据，一同融合打包，形成最终符合计算要求的计算数据信息，并发送至边缘计算模块20进行最终计算，以便形成精准的自动驾驶决策控制信号。
进一步地，所述线程传感传感器输入单元11为多线程传感传感器输入单元，以同步接收多个自动驾驶车辆传输的计算数据信息。
可以理解的是，线程传感传感器输入单元11可以是单线程传感传感器输入单元，或者可以是多线程传感传感器输入单元，在此不做具体限定。
本实施例中，线程传感传感器输入单元11主要为虚拟多线程传感器输入服务注册，接收各个自动驾驶车辆打包输出的计算数据信息，该计算数据信息中具有多个传感器信号，打包内容有：双目视觉信号，激光雷达信号，单目视觉信号，超声波雷达信号。
有多少台自动驾驶车辆接入，就有多少个虚拟线程，在服务系统中注册每辆自动驾驶车辆ID，便于发送自动驾驶决策控制信号输出至对应的自动驾驶车辆。
进一步地，所述边缘计算模块20包括：
自动驾驶系统21，所述自动驾驶系统21与所述传感模块10通信连接，所述自动驾驶系统21用于接收每台所述自动驾驶车辆的计算数据信息；
公共算力单元22，所述公共算力单元22接收所述自动驾驶系统21输出的计算数据信息，并对所述计算数据信息进行计算，并输出自动驾驶决策控制信号至所述自动驾驶系统21，所述自动驾驶系统21将所述自动驾驶决策控制信号输出至对应的自动驾驶车辆。
如图4所示，本实施例中，自动驾驶系统21与所述传感模块10通信连接，自动驾驶系统21用于接收每台所述自动驾驶车辆的计算数据信息,该计算数据信息中具有多个传感器信号，打包内容有：双目视觉信号，激光雷达信号，单目视觉信号，超声波雷达信号。
而公共算力单元22为整个边缘计算系统100的核心，公共算力单元22为单台服务器最大算力资源，仅作为为每台自动驾驶车辆的自动驾驶系统21规划、预测、路由等自动驾驶功能使用。
因此，接收自动驾驶系统21输出的计算数据信息，并对计算数据信息进行计算，并输出自动驾驶决策控制信号至自动驾驶系统21，自动驾驶系统21将自动驾驶决策控制信号输出至对应的自动驾驶车辆，保障各自动驾驶车辆实时输出决策控制信号。
可以理解的是，每台自动驾驶车辆经过公共算力单元22，计算出执行信号，如：刹车/油门开度，轮子转角等。
进一步地，所述公共算力单元22包括：
算力ID注册单元221，所述算力ID注册单元221与所述自动驾驶系统21通信连接，并接收所述计算数据信息，所述算力ID注册单元221用于识别所述计算数据信息对应的自动驾驶车辆的ID；
算力ID计时单元222，所述算力ID计时单元222用于根据所述计算数据信息计算时长，并分别分配公用算力时长；
计算单元223，用于根据所述算力ID计时单元222分配公用算力时长完成所述计算数据信息的计算，并输出所述自动驾驶决策控制信号输出至对应的自动驾驶车辆。
如图5所示，本实施例中，为了便于精确传输自动驾驶决策控制信号输出至对应的自动驾驶车辆，需要对每台自动驾驶车辆进行ID标识，也即，每台自动驾驶车辆具有唯一的ID，当每台自动驾驶车辆向传感模块10传输计算数据信息时，该计算数据信息存有自动驾驶车辆的ID标识信息，线程传感传感器输入单元11主要为虚拟多线程传感器输入服务注册，接收各个自动驾驶车辆打包输出的计算数据信息，该计算数据信息中具有多个传感器信号，打包内容有：双目视觉信号，激光雷达信号，单目视觉信号，超声波雷达信号。
有多少台自动驾驶车辆接入，就有多少个虚拟线程，在服务系统中注册每辆自动驾驶车辆ID，识别该计算数据信息为哪辆自动驾驶车辆。
由于接收的每个计算数据信息的计算任务大小不一，因此，需要对每个计算数据信息计算时长，并分别分配公用算力时长，以优化公用算力资源。例如，占用公用算力时长，根据注册算力的设备，分配时长，公共算力资源设计时，按照最大同时满足20台算力注册设计。
当计算好每个计算数据信息的计算时长后，根据算力ID计时单元222分配公用算力时长完成计算数据信息的计算，计算后，发送自动驾驶决策控制信号输出至对应的自动驾驶车辆，避免自动驾驶决策控制信号误发，提高自动驾驶教学的安全性。
进一步地，所述公共算力单元22还包括：
算力ID时间轮询单元224，所述算力ID时间轮询单元224用于根据所述算力ID计时单元222分配公用算力时长将根据算力资源平分至多个所述计算数据信息对应的自动驾驶车辆。
所述算力ID时间轮询单元224的压力测试时间值为5ms。
本实施例中，为了保证公共算力单元22的运转稳定性，可加入算力ID时间轮询单元224，该算力ID时间轮询单元224主要根据算力资源平分至每台注册的自动驾驶车辆，在保证设备实时运转情况下，压力测试得到的经验时间值为5ms。
因此，上述公共算力单元22，配合实现线程服务的方式，也即接收至少一个计算数据信息，利用网络模块30的5Gwifi局域网全覆盖，实时调度控制多台自动驾驶车辆，降低单台自动驾驶车辆的主控计算单元223的性能配置，降低单台车的算力功耗，提升自动驾驶车辆的使用时长。
进一步地，所述边缘计算系统100还包括：
存储模块40，所述存储模块40用于存储所述计算数据信息以及所述
将所述计算数据信息进行存储，所述计算数据信息包括传感设备采集到的信息和所述自动驾驶决策控制信号。
如图6所示，本实施例中，可增加存储模块40，存储模块40用于存储计算数据信息，计算数据信息包括传输至传感模块10时的计算数据信息，也包括经过计算的计算数据信息，以及自动驾驶决策控制信号。
可以理解的是，本发明的边缘计算系统100，可随时调用存储系统内的任意时刻的计算数据信息，例如，为了实现自动驾驶车辆的AI深度学习，存储模块40内存储的各时刻计算数据信息可成为AI深度学习的历史数据等。
如图7所示，图7是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC，也可以是智能手机、平板电脑、便携计算机等具有显示功能的可移动式终端设备。
如图7所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图7中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图7所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像处理程序。
在图7所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的边缘计算决策预测处理程序，并执行以下操作：
获取多个自动驾驶车辆传输的计算数据信息；
对每个所述计算数据信息进行过滤并融合，以去除所述计算数据信息中多余的信号杂波；
根据过滤并融合后的所述计算数据信息计算公用算力时长，并根据所述公用算力时长分配算力资源；
根据分配到的算力资源，对所述计算数据信息继续计算，并获得自动驾驶决策控制信号，输出至对应的所述自动驾驶车辆；
其中，每个所述计算信息包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
参照图7，在一实施例中，所述边缘计算决策预测方法包括
步骤S100，获取多个自动驾驶车辆传输的计算数据信息；
本发明提供的图像边缘计算决策预测方法主要应用于自动驾驶系统21，用于自动驾驶教学，当然，也可用于提高智能驾驶系统算力，解决当前智能驾驶系统多为高算力，高功耗设备，解决新能源汽车或者学校教学车辆续航能力、可坚持一天授课课时能力影响较大的问题。
为了便于描述本发明实施例，以校园自动驾驶批量化教学为例子进行讲述实施例。
为了便于精确传输自动驾驶决策控制信号输出至对应的自动驾驶车辆，需要对每台自动驾驶车辆进行ID标识，也即，每台自动驾驶车辆具有唯一的ID，因此，终端第一步是获取到上述具有ID标识的计算数据信息，具体的，可以线程传感传感器输入单元11接收，线程传感传感器输入单元11主要为虚拟多线程传感器输入服务注册，接收各个自动驾驶车辆打包输出的计算数据信息，该计算数据信息中具有多个传感器信号，打包内容有：双目视觉信号，激光雷达信号，单目视觉信号，超声波雷达信号，因此，终端获取到上述的计算数据信息。
具体的，每台自动驾驶车辆可以连通同一个局域网或者是5G网络，网络覆盖学校或者教学场地所在面积，每辆自动驾驶车辆的定位、环境信息及规划信息均可以通过网络进行传输至终端上，便于通信交互。
步骤S200，对每个所述计算数据信息进行过滤并融合，以去除所述计算数据信息中多余的信号杂波；
本发明提供的技术方案中，由于接收到的计算数据信息存在过多的杂波，为了有效提高计算数据信息的计算精度，需要对计算数据信息进行过滤。终端将接收到的计算数据信息进行分析，分析计算数据信息中，各个传感器信号的杂波部分，通过算法过滤掉不需要的数据信号，其次，终端将上述计算数据信息中各传感器信号按照时间顺序，通过算法将其排序，实现可通过时间戳索引，找到对应传感器数据的效果。
由于计算数据信息中各传感器的通信速率不一样，导致同一时刻，不能保证所有传感器信号都有，因此，终端需要将经过排序的计算数据信息继续设计融合，也即二次过滤，过滤掉有信号种类缺陷的数据，并将标定数据，一同融合打包，形成最终符合计算要求的计算数据信息。
步骤S300，根据过滤并融合后的所述计算数据信息计算公用算力时长，并根据所述公用算力时长分配算力资源；
本发明提供的技术方案中，终端接收每台所述自动驾驶车辆的计算数据信息,该计算数据信息中具有多个传感器信号，打包内容有：双目视觉信号，激光雷达信号，单目视觉信号，超声波雷达信号。为了便于精确传输自动驾驶决策控制信号输出至对应的自动驾驶车辆，需要对每台自动驾驶车辆进行ID标识，也即，每台自动驾驶车辆具有唯一的ID，当每台自动驾驶车辆向终端传输计算数据信息时，该计算数据信息存有自动驾驶车辆的ID标识信息。
由于接收的每个计算数据信息的计算任务大小不一，因此，需要对每个计算数据信息计算时长，并分别分配公用算力时长，以优化公用算力资源。例如，占用公用算力时长，根据注册算力的设备，分配时长，公共算力资源设计时，按照最大同时满足20台算力注册设计。
当计算好每个计算数据信息的计算时长后，根据分配公用算力时长完成计算数据信息的计算，计算后，发送自动驾驶决策控制信号输出至对应的自动驾驶车辆，避免自动驾驶决策控制信号误发，提高自动驾驶教学的安全性。
可以理解的是，每台自动驾驶车辆经过计算出执行信号，如：刹车/油门开度，轮子转角等。
步骤S400，根据分配到的算力资源，对所述计算数据信息继续计算，并获得自动驾驶决策控制信号，输出至对应的所述自动驾驶车辆。
本发明提供的技术方案中，
为了保证终端的运转稳定性，可加入算力ID时间轮询，该算力ID时间轮询主要根据终端内部算力资源平分至每台注册的自动驾驶车辆，在保证设备实时运转情况下，压力测试得到的经验时间值为5ms。
因此，接收至少一个计算数据信息，利用网络模块30的5Gwifi局域网全覆盖，实时调度控制多台自动驾驶车辆，降低单台自动驾驶车辆的主控计算单元223的性能配置，降低单台车的算力功耗，提升自动驾驶车辆的使用时长。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有边缘计算决策预测处理程序，所述边缘计算决策预测处理程序被所述处理器1001执行时实现上述任一项所述的图像处理方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种边缘计算系统，其特征在于，所述边缘计算系统包括：
传感模块，用于获取覆盖范围内自动驾驶车辆的定位、环境信息及规划信息，并接收多个自动驾驶车辆传输的计算数据信息；
边缘计算模块，所述边缘计算模块用于接收所述传感模块的多个计算数据信息，并进行计算，并输出多个自动驾驶决策控制信号至对应的自动驾驶车辆；
网络模块，用于连接边缘计算模块、传感模块以及传感模块覆盖范围内的自动驾驶车辆，以使所述边缘计算模块与所述自动驾驶车辆交互通信。
2.如权利要求1所述的边缘计算系统，其特征在于，所述传感模块包括：
线程传感传感器输入单元，所述线程传感器输入单元与所述边缘计算模块通信连接，以接收覆盖范围内自动驾驶车辆的多个计算数据信息；
其中，每个所述计算信息包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
3.如权利要求2所述的边缘计算系统，其特征在于，所述线程传感传感器输入单元包括：
数据滤波单元，所述数据滤波单元用于分析、过滤每个所述计算数据信息中各信号的杂波，并输出过滤后的计算数据信息；
信号排序单元，所述信号排序单元与所述数据滤波单元通信连接，所述信号排序单元接收过滤后的所述计算数据信息，并对所述计算数据信息中各信号按照时间顺序进行排列，并输出排列后的计算数据信息；
数据融合单元，所述数据融合单元与所述信号排序单元通信连接，所述数据融合单元接收排列后的所述计算数据信息，并对所述计算数据信息中各信号进行二次过滤，并进行融合打包，输出至所述边缘计算模块。
4.如权利要求2所述的边缘计算系统，其特征在于，所述线程传感传感器输入单元为多线程传感传感器输入单元，以同步接收多个自动驾驶车辆传输的计算数据信息。
5.如权利要求1所述的边缘计算系统，其特征在于，所述边缘计算模块包括：
自动驾驶系统，所述自动驾驶系统与所述传感模块通信连接，所述自动驾驶系统用于接收每台所述自动驾驶车辆的计算数据信息；
公共算力单元，所述公共算力单元接收所述自动驾驶系统输出的计算数据信息，并对所述计算数据信息进行计算，并输出自动驾驶决策控制信号至所述自动驾驶系统，所述自动驾驶系统将所述自动驾驶决策控制信号输出至对应的自动驾驶车辆。
6.如权利要求5所述的边缘计算系统，其特征在于，所述公共算力单元包括：
算力ID注册单元，所述算力ID注册单元与所述自动驾驶系统通信连接，并接收所述计算数据信息，所述算力ID注册单元用于识别所述计算数据信息对应的自动驾驶车辆的ID；
算力ID计时单元，所述算力ID计时单元用于根据所述计算数据信息计算时长，并分别分配公用算力时长；
计算单元，用于根据所述算力ID计时单元分配公用算力时长完成所述计算数据信息的计算，并输出所述自动驾驶决策控制信号输出至对应的自动驾驶车辆。
7.如权利要求6所述的边缘计算系统，其特征在于，所述公共算力单元还包括：
算力ID时间轮询单元，所述算力ID时间轮询单元用于根据所述算力ID计时单元分配公用算力时长将根据算力资源平分至多个所述计算数据信息对应的自动驾驶车辆。
8.如权利要求1所述的边缘计算系统，其特征在于，所述边缘计算系统还包括：
存储模块，所述存储模块用于存储所述计算数据信息以及所述
将所述计算数据信息进行存储，所述数据信息包括传感设备采集到的信息和所述自动驾驶决策控制信号。
9.一种边缘计算决策预测方法，其特征在于，应用于权利要求1-9任一项所述的边缘计算系统，所述边缘计算决策预测方法包括：
获取多个自动驾驶车辆传输的计算数据信息；
对每个所述计算数据信息进行过滤并融合，以去除所述计算数据信息中多余的信号杂波；
根据过滤并融合后的所述计算数据信息计算公用算力时长，并根据所述公用算力时长分配算力资源；
根据分配到的算力资源，对所述计算数据信息继续计算，并获得自动驾驶决策控制信号，输出至对应的所述自动驾驶车辆；
其中，每个所述计算信息包括单个自动驾驶车辆的双目视觉信号、激光雷达信号、单目视觉信号、超声波雷达信号中的至少一种。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有边缘计算决策预测方法处理程序，所述边缘计算决策预测方法程序被处理器执行时实现如权利要求9所述的边缘计算决策预测方法的步骤。
CN202210131287.6A 2022-02-11 2022-02-11 边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质 Active CN114648870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210131287.6A CN114648870B (zh) 2022-02-11 2022-02-11 边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210131287.6A CN114648870B (zh) 2022-02-11 2022-02-11 边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114648870A true CN114648870A (zh) 2022-06-21
CN114648870B CN114648870B (zh) 2023-07-28

Family

ID=81992958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210131287.6A Active CN114648870B (zh) 2022-02-11 2022-02-11 边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114648870B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311869A (zh) * 2022-07-29 2022-11-08 重庆长安汽车股份有限公司 一种基于智能网联汽车算力共享的道路事件获取方法及系统、汽车
CN115766804A (zh) * 2022-10-19 2023-03-07 慧之安信息技术股份有限公司 一种基于边缘计算的自动驾驶辅助方法

Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492603A (zh) * 2018-04-25 2018-09-04 济南浪潮高新科技投资发展有限公司 一种边缘计算站及基于边缘计算站的自动驾驶方法
US20190079659A1 (en) * 2018-09-25 2019-03-14 Intel Corporation Computer-assisted or autonomous driving vehicles social network
CN109714422A (zh) * 2018-12-28 2019-05-03 深圳市易成自动驾驶技术有限公司 基于自动驾驶的计算资源共享方法、系统及可读存储介质
CN111262940A (zh) * 2020-01-17 2020-06-09 中南大学 一种车载边缘计算应用缓存方法、装置及系统
CN111354222A (zh) * 2018-12-20 2020-06-30 阿里巴巴集团控股有限公司 一种辅助驾驶方法和系统
CN111367292A (zh) * 2020-03-20 2020-07-03 特路（北京）科技有限公司 自动驾驶汽车智能道路系统
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统
US10803324B1 (en) * 2017-01-03 2020-10-13 Waylens, Inc. Adaptive, self-evolving learning and testing platform for self-driving and real-time map construction
CN111845754A (zh) * 2020-07-27 2020-10-30 扬州大学 一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法
CN112249034A (zh) * 2020-12-14 2021-01-22 国汽智控(北京)科技有限公司 一种汽车大脑系统及车辆驾驶控制方法
CN112289059A (zh) * 2020-10-22 2021-01-29 中电智能技术南京有限公司 一种车路协同道路交通系统
CN112309122A (zh) * 2020-11-19 2021-02-02 北京清研宏达信息科技有限公司 一种基于多系统协同的智慧公交分级决策系统
US20210049902A1 (en) * 2019-08-16 2021-02-18 GM Global Technology Operations LLC Method and apparatus for perception-sharing between vehicles
CN112380020A (zh) * 2020-12-03 2021-02-19 腾讯科技（深圳）有限公司 一种算力资源分配方法、装置、设备及存储介质
CN112562405A (zh) * 2020-11-27 2021-03-26 山东高速建设管理集团有限公司 一种雷达视频智能融合与预警方法及系统
CN112583583A (zh) * 2019-09-28 2021-03-30 英特尔公司 使用边缘服务边车的安全存储器环境中的动态共享
CN112631986A (zh) * 2020-12-28 2021-04-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 大规模dsp并行计算装置
CN112839382A (zh) * 2020-12-30 2021-05-25 北京邮电大学 一种车联网中视频语义驱动的通信和计算资源联合分配方法
CN112925657A (zh) * 2021-01-18 2021-06-08 国汽智控(北京)科技有限公司 一种车路云协同处理系统及方法
CN113330280A (zh) * 2018-12-20 2021-08-31 大众汽车股份公司 用于导航车辆的方法
WO2021170030A1 (zh) * 2020-02-28 2021-09-02 华为技术有限公司 一种用于目标追踪的方法、设备及系统
CN113348646A (zh) * 2018-12-20 2021-09-03 大众汽车股份公司 在将计算算力从车辆转移到至少一个边缘云计算机时运行车辆的方法
US20210319691A1 (en) * 2021-06-25 2021-10-14 Arvind Merwaday Collaborative detection and avoidance of phantom traffic jams
WO2021206195A1 (ko) * 2020-04-09 2021-10-14 엘지전자 주식회사 자율주행시스템에서 차량의 통신연결 설정방법
CN113626155A (zh) * 2021-10-11 2021-11-09 国汽智控(北京)科技有限公司 边缘云服务器中算力资源的控制方法、设备和存储介质
CN113709201A (zh) * 2020-05-22 2021-11-26 华为技术有限公司 计算卸载的方法和通信装置
CN113709694A (zh) * 2021-07-28 2021-11-26 南京邮电大学 一种面向边缘车联网系统的计算任务卸载方法
CN113895396A (zh) * 2021-10-22 2022-01-07 广西中科曙光云计算有限公司 基于云边端的车辆防盗系统及方法
CN113918316A (zh) * 2021-08-30 2022-01-11 山东浪潮科学研究院有限公司 基于区块链的5g接入网用户端边缘算力分配方法
CN113946423A (zh) * 2021-10-18 2022-01-18 天津大学 基于图注意力网络的多任务边缘计算调度优化方法
CN113965568A (zh) * 2021-10-19 2022-01-21 南京莱斯网信技术研究院有限公司 一种面向城市道路c-v2x网络的边缘计算系统
WO2022017192A1 (zh) * 2020-07-24 2022-01-27 西门子（中国）有限公司 边缘计算装置以及边缘计算方法和系统

Patent Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10803324B1 (en) * 2017-01-03 2020-10-13 Waylens, Inc. Adaptive, self-evolving learning and testing platform for self-driving and real-time map construction
CN108492603A (zh) * 2018-04-25 2018-09-04 济南浪潮高新科技投资发展有限公司 一种边缘计算站及基于边缘计算站的自动驾驶方法
US20190079659A1 (en) * 2018-09-25 2019-03-14 Intel Corporation Computer-assisted or autonomous driving vehicles social network
CN111354222A (zh) * 2018-12-20 2020-06-30 阿里巴巴集团控股有限公司 一种辅助驾驶方法和系统
CN113348646A (zh) * 2018-12-20 2021-09-03 大众汽车股份公司 在将计算算力从车辆转移到至少一个边缘云计算机时运行车辆的方法
CN113330280A (zh) * 2018-12-20 2021-08-31 大众汽车股份公司 用于导航车辆的方法
CN109714422A (zh) * 2018-12-28 2019-05-03 深圳市易成自动驾驶技术有限公司 基于自动驾驶的计算资源共享方法、系统及可读存储介质
US20210049902A1 (en) * 2019-08-16 2021-02-18 GM Global Technology Operations LLC Method and apparatus for perception-sharing between vehicles
CN112583583A (zh) * 2019-09-28 2021-03-30 英特尔公司 使用边缘服务边车的安全存储器环境中的动态共享
CN111262940A (zh) * 2020-01-17 2020-06-09 中南大学 一种车载边缘计算应用缓存方法、装置及系统
WO2021170030A1 (zh) * 2020-02-28 2021-09-02 华为技术有限公司 一种用于目标追踪的方法、设备及系统
CN111367292A (zh) * 2020-03-20 2020-07-03 特路（北京）科技有限公司 自动驾驶汽车智能道路系统
WO2021206195A1 (ko) * 2020-04-09 2021-10-14 엘지전자 주식회사 자율주행시스템에서 차량의 통신연결 설정방법
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统
CN113709201A (zh) * 2020-05-22 2021-11-26 华为技术有限公司 计算卸载的方法和通信装置
WO2022017192A1 (zh) * 2020-07-24 2022-01-27 西门子（中国）有限公司 边缘计算装置以及边缘计算方法和系统
CN111845754A (zh) * 2020-07-27 2020-10-30 扬州大学 一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法
CN112289059A (zh) * 2020-10-22 2021-01-29 中电智能技术南京有限公司 一种车路协同道路交通系统
CN112309122A (zh) * 2020-11-19 2021-02-02 北京清研宏达信息科技有限公司 一种基于多系统协同的智慧公交分级决策系统
CN112562405A (zh) * 2020-11-27 2021-03-26 山东高速建设管理集团有限公司 一种雷达视频智能融合与预警方法及系统
CN112380020A (zh) * 2020-12-03 2021-02-19 腾讯科技（深圳）有限公司 一种算力资源分配方法、装置、设备及存储介质
CN112249034A (zh) * 2020-12-14 2021-01-22 国汽智控(北京)科技有限公司 一种汽车大脑系统及车辆驾驶控制方法
CN112631986A (zh) * 2020-12-28 2021-04-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 大规模dsp并行计算装置
CN112839382A (zh) * 2020-12-30 2021-05-25 北京邮电大学 一种车联网中视频语义驱动的通信和计算资源联合分配方法
CN112925657A (zh) * 2021-01-18 2021-06-08 国汽智控(北京)科技有限公司 一种车路云协同处理系统及方法
US20210319691A1 (en) * 2021-06-25 2021-10-14 Arvind Merwaday Collaborative detection and avoidance of phantom traffic jams
CN113709694A (zh) * 2021-07-28 2021-11-26 南京邮电大学 一种面向边缘车联网系统的计算任务卸载方法
CN113918316A (zh) * 2021-08-30 2022-01-11 山东浪潮科学研究院有限公司 基于区块链的5g接入网用户端边缘算力分配方法
CN113626155A (zh) * 2021-10-11 2021-11-09 国汽智控(北京)科技有限公司 边缘云服务器中算力资源的控制方法、设备和存储介质
CN113946423A (zh) * 2021-10-18 2022-01-18 天津大学 基于图注意力网络的多任务边缘计算调度优化方法
CN113965568A (zh) * 2021-10-19 2022-01-21 南京莱斯网信技术研究院有限公司 一种面向城市道路c-v2x网络的边缘计算系统
CN113895396A (zh) * 2021-10-22 2022-01-07 广西中科曙光云计算有限公司 基于云边端的车辆防盗系统及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311869A (zh) * 2022-07-29 2022-11-08 重庆长安汽车股份有限公司 一种基于智能网联汽车算力共享的道路事件获取方法及系统、汽车
CN115311869B (zh) * 2022-07-29 2023-07-18 重庆长安汽车股份有限公司 一种基于智能网联汽车算力共享的道路事件获取方法及系统、汽车
CN115766804A (zh) * 2022-10-19 2023-03-07 慧之安信息技术股份有限公司 一种基于边缘计算的自动驾驶辅助方法

Also Published As

Publication number Publication date
CN114648870B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN114648870A (zh) 边缘计算系统、边缘计算决策预测方法以及计算机可读存储介质
US10956211B2 (en) Method and apparatus of allocating automotive computing tasks to networked devices with heterogeneous capabilities
CN109660967A (zh) 一种基于车联网bsm信息融合的行车安全监控装置与方法
CN111179617B (zh) 一种智能网联车的车载单元
KR20150076192A (ko) 환경 센서 데이터를 통신 데이터와 병합하기 위한 방법, 시스템, 및 그 시스템의 사용 방법
Zhou et al. Edge-facilitated augmented vision in vehicle-to-everything networks
CN112230671B (zh) 一种基于智慧灯杆的无人机返航监控方法及控制中心
Teixeira et al. A sensing, communication and computing approach for vulnerable road users safety
CN108334085A (zh) 智能协作方法、装置、系统、智能终端及存储介质
CN112906486B (zh) 无人驾驶出租车的乘客状况检测方法、控制方法及系统
CN117882116A (zh) 车辆识别模型的参数调整及数据处理方法和装置、车辆
Khattak et al. Big Data Generated by Connected and Automated Vehicles for Safety Monitoring, Assessment and Improvement, Final Report (Year 3)
CN116880555B (zh) 一种基于边缘计算的无人机机群调度系统
CN113391627A (zh) 无人车驾驶模式切换方法、设备、车辆及云端服务器
CN114600180A (zh) 用于避免车辆间安全危急交通情形的方法和装置
CN114550107B (zh) 基于无人机集群的桥梁联动智能巡检方法、系统及云平台
US20220111870A1 (en) Systems and methods for brokering peer-assisted safety models for autonomous and assisted-driving vehicles
WO2022105443A1 (zh) 一种智能交通管理系统
CN113868875A (zh) 测试场景自动生成方法、装置、设备和存储介质
Chang et al. CAV driving safety monitoring and warning via V2X-based edge computing system
CN113922862B (zh) 一种无人机综合任务管控系统
Barth et al. Passenger density and flow analysis and city zones and bus stops classification for public bus service management
Pandurangan et al. IOT Based Traffic Controlling System
CN112000458B (zh) 汽车计算任务配置给有异构能力的联网设备的方法和装置
Khoury et al. Efficiency and Safety: The Impact of Autonomous Controls on Transportation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant